@进展中{cao-etal-2024-改善,title=“通过更正可接受性歧视改进语法错误更正”,author=“曹斌和江凯潘、法玉和鲍、陈雷和范靖“,editor=“Calzolari、Nicoletta和菅直人、敏妍和Hoste、Veronique和伦奇、亚历山德罗和Sakti、Sakriani和薛念文“,booktitle=“2024年计算语言学、语言资源和评估联合国际会议(LREC-COLING 2024)会议记录”,月=5月,年=“2024”,address=“意大利都灵”,publisher=“ELRA和ICCL”,url=“https://aclantology.org/2024.lrec-main.772”,pages=“8818--8827”,abstract=“现有语法错误更正(GEC)方法往往忽视了对句子级句法和语义的评估。这种疏忽导致了在原句中可能无法接受的最后更正。在本文中,为了提高语法纠错方法的性能,我们提出了纠错可接受性判别(CAD)的后处理任务,该任务旨在从句子级正确性的角度,通过比较源句子及其纠正版本来去除无效的纠错。为了解决CAD任务,我们提出了一种流水线方法,在该方法中,基于对源语句的预测更正,每个可能的更正组合的可接受性将由鉴别器判断。在鉴别器中,我们设计了一个对称的比较算子来克服句子连接顺序可能导致的冲突结果。实验表明,在BEA-2019测试集中,我们的方法可以使13个GEC系统的$F{0.5}$分数平均提高1.01{\%}。",}
<?xml version=“1.0”encoding=“UTF-8”?><modsCollection xmlns=“http://www.loc.gov/mods/v3"><mods ID=“cao-etal-2024-改善”><标题信息><title>通过更正、可接受性、歧视来改进语法错误更正</title信息><name type=“personal”>箱子曹(Cao)<角色>作者</角色></name><name type=“personal”><namePart type=“given”>Kai江<namePart type=“family”><角色>作者</角色></name><name type=“personal”>Fayu(发玉)平移<角色>作者</角色></name><name type=“personal”>陈雷包<namePart type=“family”><角色>作者</角色></name><name type=“personal”>京风扇<角色>作者</角色></name><originInfo><dateIssue>2024-05</dateIssue>发布日期</originInfo><typeOfResource>文本<relatedItem type=“主机”><标题信息>2024年计算语言学、语言资源和评估联合国际会议(LREC-COLING 2024)会议记录</titleInfo><name type=“personal”>尼科莱塔卡尔佐拉里<角色>编辑器</角色></name><name type=“personal”>民日元菅直人<角色>编辑器</角色></name><name type=“personal”>维罗尼克主机<角色>编辑器</角色></name><name type=“personal”>亚历山德罗伦奇<角色>编辑器</角色></name><name type=“personal”>萨基里亚尼语萨克蒂<角色>编辑器</角色></name><name type=“personal”>年文薛(音译)<角色>编辑器</角色></name><originInfo><publisher>ELRA和ICCL</publisher><位置>意大利都灵</place></originInfo>会议出版物</relatedItem>现有的语法错误纠正(GEC)方法往往忽视了对纠正句子中句子级句法和语义的评估。这种疏忽导致了在原句中可能无法接受的最后更正。为了提高语法错误纠正方法的性能,我们提出了纠正可接受性鉴别(CAD)的后处理任务,该任务旨在从“句子级正确性”的角度,通过比较源句子及其纠正版本来删除无效的纠正。为了解决CAD任务,我们提出了一种流水线方法,在该方法中,基于对源语句的预测更正,每个可能的更正组合的可接受性将由鉴别器判断。在鉴别器中,我们设计了一个对称的比较运算符,以克服句子连接顺序可能导致的冲突结果。实验表明,与BEA-2019测试集中的13个GEC系统相比,我们的方法可以平均提高F₀.5分1.01%</摘要>cao-etal-2024-改进<位置><网址>https://aclantology.org/2024.lrec-main.772</url></位置><部分><日期>2024-05</日期><扩展单元=“page”><开始>8818</开始>8827</范围></部分></mods></modsCollection>
%0会议记录%T通过纠错可接受性判别改进语法纠错%阿曹、宾%阿江,凯%A Pan、Fayu%阿宝、陈雷%阿凡,静%尼科莱塔·Y·卡尔佐拉里%Y Kan、Min Yen%Y Hoste,维罗妮克%亚历山德罗·伦奇%Y Sakti、Sakriani%Y Xue,念文%2024年计算语言学、语言资源和评估联合国际会议记录(LREC-COLING 2024)%D 2024年%5月8日%I ELRA和ICCL%C都灵,意大利%F cao-etal-2024-改进%X现有的语法纠错(GEC)方法往往忽视了对被纠正句子中句子级句法和语义的评估。这种疏忽导致了在原句中可能无法接受的最后更正。为了提高语法错误纠正方法的性能,我们提出了纠正可接受性鉴别(CAD)的后处理任务,该任务旨在从“句子级正确性”的角度,通过比较源句子及其纠正版本来删除无效的纠正。为了解决CAD任务,我们提出了一种流水线方法,在该方法中,基于对源语句的预测更正,每个可能的更正组合的可接受性将由鉴别器判断。在鉴别器中,我们设计了一个对称的比较算子来克服句子连接顺序可能导致的冲突结果。实验表明,与BEA-2019测试集中的13个GEC系统相比,我们的方法可以平均提高F₀.5分1.01%。%U型https://aclantology.org/2024.lrec-main.772%电话:8818-8827
降价(非正式)
[通过纠正可接受性鉴别改进语法错误纠正](https://aclantology.org/2024.lrec-main.772)(Cao等人,LREC-COLING 2024)
国际计算语言学协会
- 曹斌(Bin Cao)、凯江(Kai Jiang)、潘发玉(Fayu Pan)、鲍晨雷(Chenlei Bao)和范靖(Jing Fan)。2024通过纠正可接受性判别提高语法纠错能力.英寸2024年计算语言学、语言资源和评估联合国际会议记录(LREC-COLING 2024),第8818–8827页,意大利都灵。ELRA和ICCL。